NVIDIA выпустила новую архитектуру для ИИ-моделей

NVIDIA последовательно строит свою альтернативу трансформерам, как новый класс архитектур с предсказуемой стоимостью инференса.

Команда Research выложила новую архитектуру рекуррентных моделей Gated DeltaNet-2.

Сегодня все современные рекуррентные LLM (Mamba, RWKV, DeltaNet) сжимают бесконечную историю в матрицу фиксированного размера.

Предыдущие модели использовали один скалярный параметр для двух разных операций: стирания и записи.

GDN-2 разделяет эти роли.

Сегодня трансформер доминирует, потому что умеет точно извлекать нужное из любой точки контекста.

Рекуррентные архитектуры проигрывают там, где память перегружена и ассоциации начинают мешать друг другу.

GDN-2 решает именно этот сегмент, так как всех волнует экономика: для каких задач хватит более дешёвой, но умной памяти.

Итоги уходящей недели - то, что имеет значение

Бизнес ИИ- компаний

Разбор AI-native компаний: как внедрять ИИ и формировать культуру обучения вместе с ним.

Опубликована 1-я межстрановая карта автоматизации труда не на уровне профессий, а на уровне конкретных задач

Коммерция ИИ-агентов становится измеримой. Тут инструмент и первые результаты.

ИИ-модели и архитектуры

Google выпустили Gemini 3.5 Flash

Йошуа Бенжио предложил рекурсивную модель с параллельным мышлением

NVIDIA выпустила архитектуру Gated DeltaNet-2 - новое поколение рекуррентных моделей

Виталик Бутерин: будущее разработки ПО - это ИИ + формальная верификация.

Андрей Карпатый перешёл в Anthropic и будет заниматься R&D вместе с Claude.

Глава Норникеля попросил не запрещать доступ к иностранным ИИ-моделям.

Google представили Gemini Omni - генерация видео из чего угодно. Модель не просто рендерит картинку, а рассуждает о том, что должно произойти дальше.

HRM-Text от Sapient Intelligence: модель на 1 млрд параметров обходится $1000 и 1 день обучения

NVIDIA выпустили SANA-WM - видео-модель почти в реальном времени с гибридным линейным вниманием.

Axiom выпустили модель Lattice Deduction Transformer, которая решает задачи, где все фронтирные LLM набирают ровно 0%.

ИИ-агенты и инфраструктура

Google показали свои умные очки

Anthropic: ИИ-агенты теперь работают внутри вашей собственной инфраструктуры

Alibaba Cloud запустили каталог услуг исключительно для ИИ-агентов — первый в своём роде.

Google представили Gemini Spark - агент 24/7 на выделенных виртуальных машинах в Google Cloud.

Китайские ЦОДы начали торговать своим электричеством

США выделяют $2 млрд в виде грантов на производство квантовых чипов.

Anthropic показала лучшие практики работы с Claude Code.

Auto-Dreamer: агенты, которые консолидируют опыт офлайн в компактную память

ИИ в бизнесе и науке

Нобелевский лауреат Новосёлов и Ян Лекун представили Crys-JEPA - модель для создания новых материалов.

Cusp AI и Kemira с ИИ спроектировали новые материалы

HuggingFace выпустили Carbon - фронтирная ДНК-модель с открытыми весами для биологических задач

NeuroRVQ: токенизатор биосигналов с высокой точностью воспроизведения

Ученые выяснили оптимальное время сна для замедления старения.

Anthropic сообщила инвесторам о прогнозе роста выручки на 130% во 2-м квартале

KPMG встраивает Claude напрямую в свою платформу

Google показали, что LLM точнее предсказывает рынки, когда рассуждает, а не просто считает

Новое исследование: как ИИ меняет полный цикл академических исследований

Anthropic призвала подключить к разработке ИИ философов, богословов и гражданских мыслителей

OpenAI заявила о решении одной из задач Эрдёша

Криптовалюты и финансы

Иран запустил платформу морского страхования, где все расчёты в биткоине и других криптовалютах

Стейблкоин, привязанный к евро, получил поддержку 37 банков из 15 стран

Космос

Безос заявил, что строит собственную базу на Луне

Криптомиллиардер Ван Чун войдёт в первую пилотируемую межпланетную миссию SpaceX на Starship

Присоединяйтесь к нам на Patreon, чтобы узнать все об экономике ИИ-агентов, а также начать разбираться в AI native компаниях и не только. Там все инсайды.

Самое громкое событие дня - Huawei представила свой подход создания чипов, и к 2031г. у них будет 1.4нм

Первый чип под названием Kirin появится уже осенью 2026, на существующем производстве SMIC.

Сегодня Huawei представила закон масштабирования Тау (τ) - новый принцип развития полупроводниковой отрасли.

Он предлагает заменить традиционное геометрическое масштабирование на масштабирование по времени (τ).

Дело в том, что 50 лет отрасль жила по Закону Мура, а сейчас Huawei предлагает другой ориентир: вместо физического размера транзистора — время задержки сигнала τ (RC). Меньше τ = быстрее и эффективнее чип. И достигать этого можно без передовых литографических машин ASML, к которым у Huawei нет доступа.

τ Scaling - это смена того, как вообще измеряется и достигается прирост производительности.

Первая реализация τ-парадигмы - технология LogicFolding, комплекс из трёх решений:

1. SkyBridge: критические пути данных маршрутизируются через верхние металлические слои с низким сопротивлением, сокращение площади ~60%

2. SkyClock: тактирование организуется сверху вниз, устраняя задержки распространения сигнала

3.Circuit Folding: совместная оптимизация SRAM и процессорных ядер +40% частота, +30% латентность, +24% энергоэффективность

Первый чип с LogicFolding под названием Kirin появится осенью 2026, уже на существующем производстве SMIC.

К 2031 году Huawei обещает плотность транзисторов, эквивалентную процессу 1.4 нм, а у TSMC это будет в 2028.

Сейчас разрыв у них около 5 лет.
На графике роадмапа есть один нюанс - главный скачок плотности происходит между 2030 и 2031. По логике развития технологий, чтобы достичь 1.4нм, нужно накопить несколько поколений EUV-опыта заранее, получить оборудование и сразу закрыть разрыв с 5+ нм за один цикл невозможно.

Это означает, что китайский EUV появится раньше 2030, а не в 2030.

Наиболее дальновидные наблюдатели указывают на ещё один подтекст: τ как метрика технологически нейтральна, она одинаково описывает и кремниевые чипы, и фотонные процессоры. Плотность транзисторов как показатель к фотонике вообще неприменима.

Huawei параллельно развивает Hi-ONE - оптический интерконнект прямо в корпусе чипа, 8 Tb/s на модуль, дальность до 100 метров. Это первый шаг в сторону фотоники внутри той же парадигмы. Больше информации в комментариях у нас.

Команда Google DeepMind решила 9 проблем Эрдёша с ИИ-агентом

Они это сделали с помощью AlphaProof Nexus - фреймворка для автоматического поиска формальных математических доказательств с помощью LLM в связке с верификатором Lean 4.

Недавно мы писали про формальную верификацию здесь.

Надо отметить разницу с работами OpenAI, которые тоже говорят о решении задач Эрдёша.

Кроме Google все пишут решения на естественном языке, которые требуют экспертной проверки. А Google использует верификацию автоматическую Lean, где каждый шаг автоматически верифицируется компилятором.

Отметим, что ранее Google запустили коллекцию нерешенных математических задач на Lean.

В итоге из 353 открытых задач Эрдёша AlphaProof Nexus автономно решила 9, включая 2 задачи, открытые с 1970 года. И все это обошлось в несколько сотен $ за задачу.

Отдельно про Nexus читайте тут.

Google DeepMind построили и сравнили 4 конфигурации:

1. Базовый агент - набор независимых подагентов, которые в цикле.

2. Базовый + AlphaProof к базовому добавляется возможность вызывать AlphaProof как инструмент для закрытия отдельных подцелей.

3. Базовый + эволюция - ИИ-агенты работают с общей базой набросков, ранжируют их по Elo через LLM-критика (Gemini Flash), используют алгоритм P-UCB для выбора перспективных направлений.

4. Полная система - комбинация всего: AlphaProof + эволюция + Elo-рейтинги.

Авторы говорят, что базовый агент решил все 9 задач Эрдёша, хотя изначально они запускали полную систему именно потому, что простые агенты плохо работали на соревновательных бенчмарках.

Это означает, что по мере роста базовых способностей LLM сложные архитектуры теряют преимущество на средних задачах.

Полная система остаётся лучше только на самых сложных, там она в 2-5 раз дешевле по стоимости успешного доказательства.

Anthropic - новые Медичи! Папа римский заявил, что церковь и Anthropic будут работать вместе, чтобы найти путь для человечества в эту эпоху ИИ

Прямо сейчас на презентации энциклики в Ватикане вместе с папой выступал Кристофер Ола, сооснователь компании Anthropic.

Энциклика подчёркивает, что ИИ не должен концентрировать власть, заменять человека или подрывать его достоинство.

Папа призывает к этическому регулированию, «разоружению» ИИ, защите труда и общему благу.

Технологии видятся как инструмент, который должен служить человечеству, а не наоборот.

Почему это самый сильный ход, потому что католики - самая большая отдельная религиозная группа в мире.
Их примерно 1,42 млрд человек, а это около 17,8% населения Земли.

Партнёрство с Ватиканом и Папой Львом XIV даёт им доступ к огромной, организованной, децентрализованной и глобальной аудитории с колоссальным моральным авторитетом.

Это влияние на этику ИИ на уровне, которого нет почти ни у одной ИТ-компании.

Эмитент стейблкоина USDT вместе с Грузией запускают стейблкоин GEL₮, обеспеченный лари

Грузия несколько лет работала над продвинутым законодательством в сфере цифровых активов.

Страна создала один из самых прогрессивных фреймворков в регионе, с акцентом на:

• прозрачность резервов,
• права на погашение,
• AML/KYC,
• совместимость с будущими американскими законами, в том числе GENIUS Act.

Человек, который строил embodied AI в Huawei, ушел и создал свой стартап

Экс-глава AI Algorithm Innovation Lab Huawei Cloud Чжу Сэньхуа основал стартап EBKernel и закрыл раунд на 100+ млн юаней.

Он делает ставку на модели мира, вдохновленные мозгом человека, для робототехники.

Напомним, что Ян Лекун тоже ушёл из Meta(запрещена в РФ) и основал AMI Labs, собрав $1,03 млрд при оценке $3,5 млрд.

DeepSeek создаёт команду Harness, чтобы конкурировать с Claude Code. И это может быть важнее, чем запуск очередной новой ИИ-модели.

Уже неделю мы видим, как #DeepSeek активно ищет в соцсетях новых людей в команду Harness.

Причём это направление создано вообще в марте, а руководит им один из самых богатых людей компании, пришедший в марте, квантовый инженер из Jane Street Цуй Тяньи.

DeepSeek осознали, что сегодня одной сильной модели недостаточно.

Если внимательно прочитать вакансию DeepSeek, особенно раздел с обязанностями, то становится понятно, что они строят нечто гораздо глубже, чем ИИ-инструмент для программирования, а именно harness.

Если вспомнить, последнюю утечку Claude Code, то там было видно, что инструмент сильно завязан на Harness.

Основная задача Harness не сделать модель мощнее, а сделать её вывод более управляемым.

Если базовая модель отвечает за открытую генерацию, то Harness отвечает за:

• ограничения
• валидацию
• исправление ошибок
• сходимость

Большинство сегодняшних ИИ-инструментов для программирования состоят из модели + сторонней обёртки.
Проблема в разрыве обратной связи. Реального обучения на этих ошибках нет.

DeepSeek хочет замкнуть этот контур внутри, чтобы модель и Harness разрабатывались одной командой, данные из терминала и тестов идут обратно в модель напрямую.

Это и есть формула: модель+ Harness = ИИ-агент.

У DeepSeek есть 3 козыря:

1. Дешевая стоимость, чем у Claude с разницей ~40x.

2. Команду Harness возглавил Цуй Тяньи из Jane Street - топовый квантовый инженер. Квантовые торговые системы и агентная инфраструктура технически очень похожи: сверхнизкая латентность, надёжность, многошаговые решения.

3. Вертикальная интеграция. У DeepSeek за спиной его High-Flyer Quant с вычислительными ресурсами и деньгами.

Гонка в ИИ-программировании перестала быть соревнованием моделей. Теперь идёт борьба за то, у кого более полный замкнутый контур от генерации до валидации до обучения на ошибках.

Что не так с ИИ в биотехе, медицине? Можно ли доверять им, если 97% из них используют некорректную статистику

Исследователи проанализировали 210 биомедицинских ИИ-работ, которые статистически сравнивали ИИ-модели с помощью кросс-валидации.

В итоге 97.1% применяли невалидные статистические тесты, и только 3 исследования из 210 делали это корректно.

Затронуты нейронаука, онкология, генетика, биотех - все области, где сравнение ИИ-моделей влияет на клинические и научные решения.

Авторы при этом аккуратны и не утверждают, что 97% исследований содержат ложные результаты.

Они говорят, что большие эффекты могут оставаться значимыми даже при более консервативных тестах. Речь о другом - предыдущие выводы требуют переоценки, а не огульного отрицания.

Согласно утечкам аудиозаписей, Питер Тиль велел Джей Ди Вэнсу игнорировать Папу Римского Льва XIV по вопросам разработки этичного ИИ.

Тиль назвал Льва XIV инструментом Антихриста. Тиль - основной оппонент Anthropic в экосистеме Трампа. Тут про конфликт Anthropic с Трампом.

Для понимания, Вэнс - это бывший сотрудник Тиля и именно Тиль пролоббировал Вэнса в команду Трампа.

А вчера сбылся худший сценарий для Питера Тиля, Папа взялся за Кремниевую долину и выступил с энцикликой об ИИ рядом с Anthropic.

Тут свежее заявление об этом Anthropic.

Получается прямое столкновение двух лагерей: Ватикан + Anthropic vs. Тиль + MAGA.

А еще стало известно, что Ватикан потратил 10 лет на коммуникации с компаниями из Долины, чтобы те работали с церковью над разработкой этичного ИИ.

Но многие проигнорировали Ватикан, в том числе основатель венчурного фонда a16z Марк Андриссен, который сейчас вложился во все ИИ-компании и в политические проекты разных чиновников, которые лоббируют ИИ.

И вот именно сейчас Anthropic решили поработать с церковью. Интересно посмотреть, что будет дальше.

А проблема Питера Тиля в том, что Папа не оперирует валютой, которую Тиль понимает.

У Папы нет бюллетеней для голосования как у чиновников на выборах, с помощью которых Питер Тиль может влиять на политику, у Папы нет опции импичмента, нет обвинительного приговора, нет приказа о депортации, нет тарифной политики, и тд.

У Папы Римского другой инструмент, на который у Тиля нет ресурса дотянуться.

Об этом кстати очень хорошо и четко рассказывает Паоло Соррентино в сериалах «Новый папа», «Молодой папа».

Экономика токенов стала бомбой замедленного действия для ИИ-индустрии

Ежедневные установки Claude Code в VS Code и Codex падают.

Крупные клиенты даже очень лояльные не знают, как можно ещё обосновать большие траты на ИИ для программирования.

A Microsoft вообще к июню прекратит покупать лицензии для своего внутреннего пользования Claude Code, потому что тратят большие деньги.

То, что компаниям тяжело обосновывать расходы на ИИ - это факт сегодняшнего дня.

Как это можно решить, мы описываем тут.

Мы подробно разбираем причину этого, как с точки зрения фактических данных, так и на основе свежих научных исследований от крупных игроков рынка.

1-й в мире частный сверхзвуковой беспилотник Сэма Альтмана преодолел звуковой барьер

Компания Hermeus объявила, что их беспилотный самолёт Quarterhorse Mk 2.1 успешно преодолел звуковой барьер и достиг максимальной скорости Mach 1.21 (примерно 1,21 скорости звука).

Это первый частный сверхзвуковой беспилотник в мире.

Сэм Альтман - один из ключевых инвесторов Hermeus. Ранее мы писали, как Сэм пытается войти в космическую компанию.

Компания развивается очень быстро. В 2025 году они сделали первый полёт Mk 1.
А уже в этом году - сверхзвук на Mk 2.1. Параллельно идут работы над следующими моделями.

Стартапы на RL-средах теперь под угрозой?

Вышел открытый движок CUA-Gym, который автоматически генерирует всё необходимое для обучения computer-use агентов: задачи, среды, функции награды. Без ручной разметки.

32 000+ верифицированных кортежей, 110 сред, open-source модель, которая набирает 72.6% на OSWorld против 72.9% у Claude Sonnet 4.6.

Сопоставимые результаты при кратно меньшем размере модели. При большем числе шагов RL разрыв, вероятно, исчезнет.

Пока индустрия работает с протоколами x402, A2A, MCP, тихо формируется другой слой агентной инфраструктуры - фабрики данных. Не датасеты, а движки, которые производят обучающие данные в промышленных масштабах.

Узкое место в обучении агентов сегодня не алгоритмы, а данные.

Paper.
Набор данных.
GitHub.
Environments.

Больше об инфраструктуре ИИ-агентов здесь.

Крутой пример из промышленности, где ИИ помог с новыми материалами

Компания Cusp AI, специализирующаяся на ИИ для материаловедения, вместе с Kemira - это большой финский химический концерн, объявили, что с помощью ген ИИ создали новые материалы специально для удаления PFAS из питьевой и технологической воды.

Kemira дал Cusp AI четкое ТЗ.

После Cusp AI запустила свою платформу, которая:

• Исследовала пространство из ~300 трлн возможных структур MOF.
• Сгенерировала более 5000 совершенно новых, ранее не существовавших дизайнов материалов.
• Для каждого посчитала нужные свойства именно для целевых PFAS.
• Отобрала около 20 приоритетных кандидатов.

Cusp AI говорят, что раньше ИИ в материаловедении в основном отбирал уже известные вещества.

А в их примере ИИ придумывал новые структуры с нуля, учитывая все физические и экономические ограничения.

Весь путь от постановки задачи до получения приоритетных кандидатов занял всего 6 месяцев вместо обычных нескольких лет.

Сейчас эти 20 кандидатов идут на синтез, лабораторные тесты и дальнейшую разработку.

Команда Цукерберга
представила платформу для работы с белками, построенная на базе ИИ

Chan Zuckerberg Biohub выпустил открытый научный ИИ-движок для протеомики и создания новых лекарств Protein World Model
с 3 инструментами сразу:

1. ESMC - языковая модель, обученная на 2,8 млрд белковых последовательностей.

2. ESMFold2 - мощный движок предсказания структур и дизайна новых белков, включая комплексы антитело-антиген.

3. ESM Atlas - гигантская карта из 6.8 млрд последовательностей и 1.1 млрд предсказанных структур.

Модели открыты под лицензией MIT, код и веса на GitHub. Есть инструменты для экспериментов.

Другие проекты Biohub тут.

Мир близок к дефициту вычислительных мощностей для ИИ, если уже не наступил - Epoch AI

Признаком уже наступающего дефицита является то, что Anthropic ввёл ограничения квот в часы пиковой нагрузки и предложил удвоенные лимиты в непиковое время.

О том, как токен экономика стала бомбой замедленного действия и что с этим делать, мы подробнее пишем здесь.

Исследователи из Epoch AI оценили глобальную инференс мощность и пришли к выводу, что спрос на токены растёт намного быстрее предложения.

В качестве базовой модели они взяли Kimi K2.6 - мощную открытую модель по индексу ECI на сегодня и смоделировали, сколько токенов в секунду могут генерировать все существующие чипы Nvidia Blackwell (GB200 + GB300) в мире.

По расчётам, все чипы Blackwell в мире способны генерить от 500 млн до 20 млрд токенов в секунду в зависимости от длины контекста запросов.

Глобальная инференс-мощность при этом более чем утраивается каждый год.

Длина контекста имеет большое значение, так как чем длиннее контекст, тем меньше токенов в секунду можно выдать с тех же чипов.

Google недавно заявил, что обрабатывает 1,2 млрд токенов в секунду по всем своим платформам.

А Exponential View оценивает суммарные токены по всем провайдерам в 40 квадриллионов в квартал, то есть ~5 млрд токенов в секунду.

У Apple некоторым инженерам разрешено тратить до $300 в токенах в день; у Meta(запрещена в РФ) 85 000 сотрудников потратили 60 триллионов токенов за месяц.

Если эти тренды сохранятся, дефицит мощностей вероятен в ближайшее время, что приведёт к росту цен на доступ к фронтир моделям для тех, кто готов платить, а рядовые пользователи будут переходить на более дешёвые и компактные модели.

Важный релиз от Google - Gemini Embedding 2 - новая мультимодальная модель

Что такое embedding-модель и зачем она нужна?

Представьте, что любой контент будь то текст, фото, видео или голос нужно превратить в числа так, чтобы похожие вещи оказались рядом в пространстве. Именно на этом строится поиск, рекомендации, RAG-системы.
До сих пор для каждой модальности существовали отдельные модели.

Gemini Embedding 2 - первая нативно мультимодальная модель от Google, которая помещает текст, изображения, видео и аудио в единое векторное пространство размерностью до 3072 измерений.

На видео поиске модель набирает 68.8 vs 55.2 у ближайшего конкурента. Аудио обрабатывается напрямую без транскрибации в текст, что на межъязыковых задачах даёт +5 пунктов просто за счёт сохранения живого звука.

Единое пространство для всех модальностей - это значит, что ИИ-агент сможет искать по одному индексу. Без промежуточных конвертаций, без потерь на стыках.

Авторы говорят, что следующий шаг agentic RAG: end-to-end обучение, где embedding-модель дообучается под конкретный агентный сценарий целиком.

Вот это сделка! Tether выкупили долю SoftBank в Twenty One Capital - публичном биткоин-казначействе

Ранее мы опубликовали отчет в каких странах выгоднее зарабатывать на стейблкоинах.

Tether купили долю SoftBank- около 26% в компании Twenty One Capital - публичном биткоин-казначействе, которое два гиганта основали совместно годом ранее.

Сумма сделки примерно $679 млн. В итоге Tether увеличил свою долю до контрольных 71%.

В результате слияния всех активов Tether становится частной вертикально-интегрированной империей: майнинг → хранение → платежи.

Tether больше не печатный станок USDT. Новая конструкция теперь - активный бизнес на базе биткоина:

1. Вертикальная интеграция: майнинг (Elektron) → казначейство (XXI) → платежи (Strike).

2. собственный биткоин заменяет корреспондентские счета для международных расчётов.

3. Если USDT столкнётся с запретами в ЕС или США, биткоин-активы и платёжная сеть останутся неуязвимыми.

Время стейблкоинов как пассивного инструмента ликвидности заканчивается. Начинается эра биткоин-конгломератов, где эмитент сам добывает, хранит и проводит платежи в первой криптовалюте. У Tether теперь есть всё, кроме разрешения. Вопрос только в том, спросит ли кто-нибудь разрешения у него.

Держите 2 способа, как сделать ИИ-агента умнее: NVIDIA учит модель, а Microsoft - документ

На этой неделе вышли сразу 2 интересные работы об обучении агентов:

NVIDIA выпустили Polar - инфраструктура для RL-обучения любого агента. Не нужно переписывать Claude Code, Codex или LangChain под конкретный фреймворк. Polar перехватывает API-трафик между агентом и моделью через прокси и строит из него траектории для обучения. Агент работает без изменений кода, веса модели обновляются через GRPO.

А Microsoft выпустили SkillOpt - модель и код не трогает вообще. Вместо этого тренирует текстовый документ с навыком.

Anthropic выпустили новую модель Opus 4.8 и оркестрацию параллельных субагентов в одной сессии

Claude Opus 4.8 - новая версия флагманской модели, как обещают лучше держит курс в длинных агентных сессиях, честнее оценивает собственный прогресс, принимает решения без постоянных чекинов.

Плюс Fast Mode - та же модель, но в 2.5x быстрее, втрое дешевле предыдущего.

Также они запустили Dynamic Workflows в Claude Code - оркестрация десятков и сотен параллельных субагентов в одной сессии.

Claude сам пишет план, раздаёт подзадачи, верифицирует результаты.

Но Dynamic Workflows расходует намного больше токенов, чем обычная сессия Claude Code, рекомендуется начинать с ограниченной задачи, чтобы понять расход в своём конкретном контексте.